新書推薦：
《
鸟类图典
》
售價：HK$
203
《
古典与文明·《周官》之制与大一统
》
售價：HK$
403
《
海外中国研究·朝贡·海禁·互市：近世东亚的贸易与秩序（一部刷新明清外交与通商认知的典范之作。挑战朝贡
》
售價：HK$
500
《
财报防坑指南：20分钟看透企业真实现金流与盈利陷阱
》
售價：HK$
356
《
安逸哲学：锦绣天府人生智慧“安逸四川”三部曲第一部 安逸是中华文明为世界贡献的人生智慧
》
售價：HK$
449
《
大学问·改过自新：清代以来自首制度的表达与实践（以丰富案例生动还原清代以来自首制度在基层的运行图景，
》
售價：HK$
347
《
超越高绩效团队教练实战篇（第3版）
》
售價：HK$
714
《
全新借力赢利 负债翻盘副业变现新商机
》
售價：HK$
305
|
| 內容簡介： |
|
人工智能通识课程旨在普及人工智能基础知识，帮助学生理解人工智能的概念及其在各个领域的应用，掌握人工智能的核心算法和关键技术。 本书围绕人工智能的基本概念、关键技术及具体应用展开介绍，共6章。第1章为人工智能概论，介绍什么是人工智能，人工智能能做什么，人工智能的研究领域和面临的挑战等；第2章主要围绕Python语言及相关开发环境进行系统介绍，便于后续深入开展人工智能实践及应用研究；第3章主要介绍机器学习的概念及常用方法，包括回归、分类和聚类算法，并通过实践案例展示特征工程、回归分析、分类等技术在实际场景中的应用；第4章介绍深度学习基本思想，重点介绍深度学习3个方面的应用，包括图像分类任务、回归任务和目标检测任务；第5章介绍大模型关键技术，并面向理工、农业、人文和经管类专业提供可选择的实践案例；第6章主要介绍人工智能的典型应用场景，分别从智慧交通、智慧农业、智慧医疗、智慧商务、智慧创作5个方面进行介绍。 本书提供教学大纲、教学课件、实践案例、习题解答等数字化资源，读者可登录华信教育资源网免费下载。 本书既可作为高等学校相关专业人工智能通识课程的教材，也适合对人工智能技术感兴趣的广大读者阅读。
|
| 關於作者： |
|
韩仲志，青岛农业大学教授，博士研究生导师，理学信息科学学院院长。山东省”泰山学者”青年专家，农业农村部”神农青年英才”，中国石油大学（华东）博士，日本千叶大学访问学者。入选学校”1361人才工程”和”特支计划”拔尖人才。担任山东省高等学校青年创新团队带头人、山东省科技特派员产业服务团团长、青岛市农业大数据与智能工程研究中心主任、青岛市农业智能装备专家工作站首席专家，兼任中国农业机械学会工业设计委员会委员等。
|
| 目錄：
|
第1章 人工智能概论1
1.1 什么是人工智能2
1.1.1 人工智能的定义2
1.1.2 人工智能的发展脉络3
1.1.3 人工智能的分类体系5
1.2 人工智能能做什么6
1.2.1 感知世界6
1.2.2 理解信息7
1.2.3 做出决策7
1.3 人工智能的研究领域9
1.3.1 机器学习9
1.3.2 深度学习10
1.3.3 自然语言处理11
1.3.4 计算机视觉12
1.3.5 智能机器人12
1.4 人工智能面临的挑战13
1.4.1 数据问题13
1.4.2 算法透明性和可解释性14
1.4.3 道德与伦理问题14
1.4.4 法律与监管问题14
1.4.5 社会影响15
1.4.6 安全性问题15
本章小结15
习题116
第2章 开发语言与环境17
2.1 Python语言简介18
2.1.1 Python语言发展历程18
2.1.2 Python语言特点20
2.2 Python开发环境搭建21
2.2.1 Python下载与安装21
2.2.2 Anaconda下载与安装23
2.3 Python集成开发环境26
2.3.1 Python常用IDE简介26
2.3.2 PyCharm下载与安装26
2.3.3 PyCharm环境配置29
2.4 运行Python程序32
2.4.1 使用IDLE运行Python程序32
2.4.2 使用Spyder运行Python程序33
2.4.3 使用PyCharm运行Python程序35
2.5 Python扩展库36
本章小结37
习题238
第3章 机器学习39
3.1 机器学习概述40
3.1.1 定义与核心思想40
3.1.2 机器学习系统的基本组成41
3.1.3 发展历程42
3.1.4 机器学习的主要类型44
3.1.5 机器学习流程46
3.2 回归分析49
3.2.1 回归分析概述49
3.2.2 线性回归51
3.2.3 多项式回归62
3.3 分类69
3.3.1 神经网络69
3.3.2 支持向量机72
3.3.3 决策树74
3.3.4 随机森林78
3.3.5 模型评估指标79
3.4 聚类分析81
3.4.1 聚类分析概述81
3.4.2 K-Means聚类84
3.4.3 层次聚类85
3.4.4 模型评估指标87
3.5 实践案例88
3.5.1 特征工程88
3.5.2 回归分析94
3.5.3 分类98
本章小结112
习题3113
第4章 深度学习114
4.1 深度学习概述115
4.1.1 什么是深度学习115
4.1.2 深度学习框架115
4.1.3 深度网络中的常用操作116
4.1.4 优化算法119
4.1.5 正则化和归一化技术120
4.2 深度学习应用一：图像分类122
4.2.1 CIFAR10数据集122
4.2.2 构建网络124
4.2.3 选择优化器和损失函数125
4.2.4 训练模型125
4.2.5 测试模型126
4.2.6 模型保存与加载127
4.3 深度学习应用二：回归128
4.3.1 数据加载和预处理128
4.3.2 模型建立129
4.3.3 模型训练与评估129
4.4 深度学习应用三：目标检测132
4.4.1 目标检测的评估指标132
4.4.2 准备数据133
4.4.3 编写代码134
4.4.4 可视化结果134
本章小结136
习题4136
第5章 大模型137
5.1 初识大模型138
5.1.1 什么是大模型138
5.1.2 大模型的前世今生138
5.1.3 常见大模型简介139
5.2 大模型能做什么141
5.2.1 理解与生成文字141
5.2.2 多模态应用141
5.2.3 行业应用实例142
5.3 关键技术浅说143
5.3.1 预训练+微调范式143
5.3.2 注意力机制145
5.3.3 提示词工程147
5.4 挑战与思考148
5.4.1 存在的问题148
5.4.2 如何用好大模型149
5.4.3 未来展望150
5.5 实践案例152
5.5.1 理工类：代码生成与调试152
5.5.2 农业类：农业知识问答155
5.5.3 人文类：社会舆论观点聚类分析155
5.5.4 经管类：基金年报分析156
本章小结158
习题5158
第6章 人工智能应用场景159
6.1 智慧交通160
6.1.1 智慧交通概述160
6.1.2 应用案例161
6.1.3 发展前景和挑战165
6.2 智慧农业166
6.2.1 智慧农业概述167
6.2.2 应用案例168
6.2.3 发展前景和挑战173
6.3 智慧医疗174
6.3.1 智慧医疗概述174
6.3.2 应用案例175
6.3.3 发展前景与挑战179
6.4 智慧商务180
6.4.1 智慧商务概述180
6.4.2 应用案例181
6.4.3 发展前景和挑战185
6.5 智慧创作186
6.5.1 智慧创作概述186
6.5.2 应用案例186
6.5.3 发展前景与挑战192
本章小结194
习题6194
参考文献195
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
